买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉上海交通大学申请的专利基于树突双线性人工神经网络的生物神经元仿真方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119007799B 。

龙图腾网通过国家知识产权局官网在2025-12-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411155795.3，技术领域涉及：G16B5/00；该发明授权基于树突双线性人工神经网络的生物神经元仿真方法是由马靖洋;李松挺;周栋焯设计研发完成，并于2024-08-22向国家知识产权局提交的专利申请。

本基于树突双线性人工神经网络的生物神经元仿真方法在说明书摘要公布了：一种基于树突双线性人工神经网络的生物神经元仿真方法，在离线阶段基于生物神经元树突双线性整合法则构造生物神经元的等效人工神经网络模型，利用神经元精细模型数值模拟数据作为训练集进行训练，在在线阶段采用生物神经元的等效人工神经网络模型实现生物神经元动力学仿真。本发明将树突双线性整合法则与人工神经网络相结合来建立生物神经元的等效模型，训练成本低且对于生物神经元动力学的预测准确率高，能够预测生物神经元的阈下膜电位、放电时刻等特征，并且可以实现与生物神经元相同的如方向选择性，一致性检测、逻辑运算等计算特性。与传统的生物神经元动力学仿真方法相比大大缩短了仿真运算时间，为大规模的生物神经元动力学仿真提供了便利。

本发明授权基于树突双线性人工神经网络的生物神经元仿真方法在权利要求书中公布了：1.一种基于树突双线性整合法则的生物神经元仿真方法，其特征在于，具体包括： 步骤1构造包含双指数核函数单元、双线性整合单元以及阈值放电单元的时序卷积神经网络作为等效人工神经网络模型，具体包括： 1.1确定生物神经元上N个突触，第i个突触接收到的泊松输入序列为T为记录的总时间步长，且xit为0-1序列，其中： xit＝1表示第i个突触在t时刻接收到外界输入，xit＝0表示第i个突触在t时刻没有接收到外界输入； 1.2双指数核函数单元根据接收到的泊松输入序列xit与双指数函数kit的卷积模拟细胞体对于单个突触输入的膜电位变化，具体为：其中：τi1和τi2分别为卷积核的时间常数，i＝1，2，…，N为突触的指标，卷积后的形式计为vit； 1.3双线性整合单元根据生物神经元的树突双线性整合法则生成对于外界突触输入的总体响应vt＝vlt+vbt＝∑iωivit+∑i＜jaijvitvjt+v0，其中：vlt＝∑iωivit为线性整合部分，vbt＝∑ijaijvitvjt为双线性整合部分，ωi为线性项的权重，v0为常数项，aij为乘积项的权重； 1.4阈值放电单元处理生成总体响应结果总体响应为t＝vlt+vbt+vrt，当模型对于外界突触输入的总体响应vt在某一个时刻t′大于放电阈值vthreshold，即vt′ vthreshold，则记t′为模型预测的生物神经元放电时刻，并且需要在模型的总体响应中加入回置项其中：Θt-t′为Heaviside函数，vreset为电压回置值，τr为回置时间常数； 步骤2模型训练：在NEURON软件上对于生物神经元的生物物理模型进行模拟，将所有突触输入作为基于树突双线性整合法则的人工神经网络模型输入，得到对应的网络输出vpredictt并计算损失函数，对于训练集中的所有样本，均进行相同的计算并将其损失函数相加，并利用随机下降算法优化网络参数； 步骤3采用步骤2训练后的生物神经元的等效人工神经网络模型进行生物神经元动力学仿真，并从阈下膜电位和阈上放电时刻两个方面对模型的预测能力进行评价； 所述的损失函数其中：vtruet为神经元真实的电压膜电位，T为记录的总时间步长，t为时间步； 所述的树突双线性整合是指：当生物神经元的树突上通过突触接收到来自外界的输入时，输入信号会传输到神经元的信息处理中心即细胞体进行整合并产生相应的输出，通常大脑中的神经元树突上会时刻接收到来自外界的多个输入而不是单个输入，神经元对于多个输入的响应服从双线性的整合形式； 所述的等效人工神经网络模型包括：双指数核函数单元、双线性整合单元、阈值放电单元以及反向传播单元，其中：双指数核函数单元根据接收到的泊松输入序列xit与双指数函数kit的卷积模拟细胞体对于单个突触输入的膜电位变化，具体为：其中：τi1和τi2分别为卷积核的时间常数，i＝1，2，…，N为突触的指标，卷积后的形式计为vit；双线性整合单元根据生物神经元的树突双线性整合法则生成对于外界突触输入的总体响应vt＝vlt+vbt＝∑iωivit+∑i＜jaijvitvjt+v0，其中：vlt＝∑iωivit为线性整合部分，vbt＝∑i＜jaijvitvjt为双线性整合部分，ωi为线性项的权重，v0为常数项，aij为乘积项的权重；阈值放电单元处理生成总体响应结果总体响应为t＝vlt+vbt+vrt，当模型对于外界突触输入的总体响应vt在某一个时刻t′大于放电阈值vthteshold，即vt′vthreshold，则记t′为模型预测的生物神经元放电时刻，并且需要在模型的总体响应中加入回置项其中：Θt-t′为Heaviside函数，vreset为电压回置值，τr为回置时间常数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海交通大学，其通讯地址为：200240 上海市闵行区东川路800号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。